相控阵雷达多目标跟踪原理及数据关联算法研究

介绍了目标跟踪原理,并以多功能相控阵雷达为背景,研究了多目标跟踪数据关联过程.针对数据关联过程中量测起源的不确定性问题及概率数据关联算法(PDA)和联合概率数据关联算法(JPDA)的不足,给出了一种改进的概率数据关联算法(MPDA),该算法既不像PDA算法那样不考虑公共测量值对航迹的影响,也不像JPDA算法对所用的关联解进行搜索,而是重点分析了跟踪门交叠区域中的公共测量值对航迹更新的影响.蒙特卡罗仿真结果表明,该算法具有较小计算量及较好的实时跟踪性能,适于相控阵雷达的数据处理.     

多目标跟踪中的数据关联和航迹管理

传统的多目标关联算法JPDA存在两个缺陷:计算量较大,且其算法框架里缺乏航迹起始和终止逻辑。文中给出了一个航迹管理表,它包含多种情况下航迹的关联,能完成航迹的起始、维持和终结。在可靠航迹关联中,该文提出了一个改进的快速关联算法—多维概率数据关联(MPDA),讨论时主要考虑关联门相交区域中的公共回波对航迹更新的影响。MPDA可以类似与PDA的较低的计算代价达到了接近JPDA的关联成功率。仿真结果表明,文中的数据关联和航迹管理算法对复杂条件下的多目标跟踪能保持较高的跟踪成功率。     

一种基于最大熵模糊聚类的数据关联算法

针对联合概率数据关联算法计算量上存在的组合爆炸问题,本文引入最大熵模糊聚类算法实现多目标的数据关联。使用最大熵模糊聚类得到的模糊隶属度表示目标与量测之间的联合互联概率;分析了公共回波对航迹更新的影响,对公共回波的权值进行衰减,对非公共回波的权值进行扩大,避免了航迹合并;此外根据差异因子的特性,给出剔除无效回波的方法,减少了计算量。仿真结果表明,与现有数据关联算法相比,新算法具有更优的跟踪效果。     

多传感器模糊-概率交互作用的数据关联算法

本文基于估计理论和模糊系统理论,提出了一种多传感器多回波模糊－概率交互作用的数据关联滤波算法,以解决密集杂波干扰环境中多传感器跟踪机动目标的数据关联问题。模糊关联度和关联概率共同组成了各有效回波的加权系数,弥补了概率数据关联滤波方法（ＰＤＡＦ）的不足,提高了杂波环境中机动目标的跟踪性能。     

密集杂波环境下的机动目标跟踪算法

针对密集杂波环境下的机动目标跟踪问题提出了一种新的算法,即交互式多模型数据关联算法。基本思路是利用概率数据关联处理多余回波,同时利用交互式多模型算法处理目标的机动问题,而且将机动目标“当前”统计模型引入其中,将它们结合起来处理密集杂波环境下的单机动目标跟踪问题。仿真结果证明该算法是解决此种问题的一种非常有效的方法。     

一种网格概率多目标数据关联算法

针对多目标跟踪中数据关联问题,提出了一种基于网格概率的数据关联算法。该算法首先计算出关联门内全部回波的关联系数,然后利用网格概率的思想将关联系数小的有效回波的系数值配权给其它有效回波,同时对于两跟踪波门交叉区域内的有效回波也使用配权法分别分配给两个跟踪波门内的其它邻近回波,最后通过概率加权进行数据关联。仿真结果表明,该算法能够有效解决多目标跟踪中的数据关联问题,并且有较高的关联正确率,而且CPU占用时间较短。     

基于PPP模型的多扩展目标跟踪的JPDA算法研究

针对多扩展目标跟踪问题,提出了基于泊松点过程（Poisson Point Process, PPP）模型的多扩展目标跟踪的联合概率数据关联（Joint Probabilistic Data Association, JPDA）算法。首先,采用PPP对扩展目标进行测量建模,其次以“多对一”关联模型思想提出一种的JPDA算法,从而计算运动目标的当前有效量测的边缘关联概率,然后结合该边缘关联概率以概率数据关联（Probability Data Association, PDA）的方式分别更新每个扩展目标的运动参数和形状参数向量,最后通过仿真实现了当扩展目标相互靠近或出现交叉时的跟踪。实验结果表明,在高杂波环境下,本文所提出的算法在计算时间和跟踪稳定上具有较明显的优势。      

一种实现机动目标跟踪的STF动态模型PDA算法

本文提出了一种基于强跟踪滤波器(STF)的模型结构动态调整的概率数据关联算法(STF-PDA).该算法提高了概率数据关联(PDA)算法的性能.在跟踪目标,尤其是在跟踪机动目标的性能上,理论分析表明该算法比基于KF或EKF的PDA方法优越.且与基于KF和EKF的PDA算法进行了实验结果比较,结果表明,本文提出的算法更为有效.     

无源跟踪中基于灰关联信息融合的 概率数据关联算法

在无源跟踪中,传统的概率数据关联算法(PDA)单纯依据状态量测信息.该文提出了一种基于多特征信息融合的概率数据关联算法,该算法利用目标多个特征信息(状态量测、载频、PRI等),通过灰关联分析的方法,计算有效观测与目标的关联概率,进而在信息融合的基础上,进行目标状态更新估计.该算法与传统的PDA相比有两个优点,第一,关联概率的计算量小、计算更准确;第二,该算法利用了目标多特征信息,因此,关联性能更好.实验表明,基于该算法的无源跟踪性能明显优于NN方法和传统的PDA方法.     

基于多速率运动模型的多帧概率数据关联算法

该文指出Hong(2001)在多速率运动模型巾关于过程噪声的一处错误,提高了多速率运动模型状态估计效果,并在此基础上建立了多帧概率数据关联算法。在确定多帧量测数据有效回波时,提出双重门限方法,有效减少了多帧概率数据关联算法的计算量。最后针对各种杂波密度情况对多帧量测数据概率数据关联算法的性能进行了分析。     

A novel hierarchical data association with dynamic viewpoint model for multiple targets tracking

A new framework of hierarchical data association tracking (HDAT) with branch partition, candidate upgrading and incremental motion pairing inference is proposed to resolve the problem of online multiple targets tracking. Branch partition divides the process into several independent parts so as to reduce the computational complexity on affinity. Candidate upgrading improves the robustness of target initialization by tracking potential targets and incremental motion pairing inference could benefit the occlusion handling. Furthermore, a dynamic viewpoint model (DVM) and its iterative computation algorithm are developed for tracking multiple targets under moving camera videos. Extensive data experiments on several public benchmarks show that the presented approach achieves comparable results to state-of-the-art on static camera videos and promising results on moving camera videos, and moreover, the runtime performance is significantly improved.     

基于Chirp-Z变换的串行双站斜视SAR成像算法

该文首先建立了串行双站斜视SAR的几何模型,给出了雷达回波的数学表达式,推导了它的2维频谱并对其特点做了分析。在2维频域内先用聚焦函数对观测场景中心的点目标进行精确成像,然后利用Chirp-Z变换校正了中心点两侧目标回波的距离徙动,再通过方位向逆傅里叶变换得到了雷达图像。该算法利用了Chirp-Z变换能够处理非线性调频信号的特点,简化了处理过程并提高了成像精度。仿真实验验证了这种基于Chirp-Z变换的新算法在处理串行双站斜视SAR数据时的有效性。     

地杂波背景下运动点目标的SAR成像算法

以理想面目标回波作为地杂波的近似，对面目标特征、面目标回波信号及其处理进行了分析，给出了以面目标为背景的运动点目标SAR成像算法，通过具体实例模拟仿真出独立运动点目标的SAR成像图和以面目标为背景的运动点目标SAR成像图。     

基于改进KFCM聚类的数据关联算法

针对传统的基于模糊C-均值(FCM)聚类的数据关联算法存在的缺陷,提出了一种基于改进核函数模糊C-均值(KFCM)聚类的数据关联算法。该算法以改进的KFCM聚类为基础,通过放宽KFCM聚类的约束条件来增强系统的鲁棒性,并引入信息熵自动确定目标数以作为数据关联的前期准备,再将改进的KFCM聚类算法引入JPDA算法,通过避免对联合事件的概率计算和对确认矩阵的拆分,以实现数据的正确关联和对多目标的实时跟踪。仿真结果表明算法有效可行。     

基于PDA的群目标合并与分离方法研究

针对飞行编队形成的群目标航迹关联的特殊性,分析了照射质心的编队群目标成员合并与分离检验方法的优缺点,定义了群目标成员合并与分离检验涉及的3要素:位置、速度和航迹历史。在此基础上,提出了基于概率数据关联(PDA)的群目标成员合并与分离的检验方法。该方法利用群目标等效回波统计中心更新滤波器状态,将每一个雷达周期的量测与统计中心关联判别,从而减少了关联次数,提高了正确判别群目标成员合并与分离的概率。仿真结果证明了该方法的有效性。     

EM算法在杂波环境下机动目标跟踪中的应用研究

EM(Expectation-Maximization)作为一种迭代求解非完备数据条件下极大似然(后验)参数估计问题的方法,在目标跟踪领域主要应用于被动跟踪及实时性要求不高的目标环境.该文推广了L.A.Johnston的理论成果,推导得出了一种基于AECM(Alternative Expectation ConditionMaximization)方法的杂波环境下实时机动目标跟踪箅法,算法中后验模型概率与关联概率由隐马尔科夫模型滤波计算得到.仿真计算表明,所提算法跟踪精度与IMM-PDA性能相当,算法是有效的.     

雷达数据关联中动态加权模糊C-均值聚类算法研究

针对雷达本身及测量的运动目标淹没在大量的杂波中而导致所测数据的不准确问题,文中对雷达测量的大量目标数据进行卡尔曼滤波,以减少数据关联时的计算冗余量;并对模糊C-均值(C-Means)聚类算法进行改进,改进后的算法利用实时目标航迹斜率的变化率对传统的模糊C-Means聚类算法进行动态加权,从而使模糊C-Means聚类算法的目标函数最优化,优化后的目标函数确定的聚类中心更加逼近目标的实际值,从而保证数据关联的准确度,并减少了计算时间,提高算法的效率.仿真实验表明,将文中基于目标航迹斜率变化率动态加权的模糊C-Means聚类算法应用于曲线运动目标的数据关联中,与传统的模糊C-Means聚类算法相比,可以提高数据关联准确度和效率.